我对整个多处理和并行化世界相当陌生。我目前正在研究一种算法来实现辛普森方法和辛普森3/8。我已经以串行形式在 C 中实现了该算法。
我需要一些帮助来并行化这两种算法，OpenMp 和 Pthreads。欢迎和赞赏任何建议。
//Simpson.c
#include <stdio.h>
#include <stdlib.h>
double function(double x) //función a la cual se le aplicará el método
{
return 0.5*x;
}
int main(int argc, char*argv[])
{
double resultado = 0.0; //resultado de la integral tras aplicar el método de simpson
double a = 0.0; //límite inferior de la integral
double b = 0.0; //límite superior de la integral
int n = 0; //cantidad de particiones entre los intervalos, tiene que ser un número par
int i = 0; //variable para poder iterar sobre las diferentes particiones
double h = 0.0; //variable para guardar el incremento que habrá entre cada valor de "x"
double calc = 0.0; //variable intermedia para ir acumulando el resultado de evaluar las diferentes "x" en la función
//variables para almacenar los diferentes valores de "x", es decir los límites inferiores y superiores y el valor intermedio de cada partición
double x0 = 0.0;
double x1 = 0.0;
double x2 = 0.0;
printf("Introduce el límite inferior: ");
scanf("%lf", &a);
printf("Introduce el límite superior: ");
scanf("%lf", &b);
printf("Introduce la cantidad de particiones (número par): ");
scanf("%d", &n);
h = (b-a)/n; //se calcula el incremento para poder iterar sobre todas las particiones
//Para el cálculo de la integral se utilizan xj, x(j+1) y x(j+2) en el subintervalo [xj, x(j+2)] para cada i = 1, 3, 5, ..., n
for (i=0; i<=n; i+=2)
{
x0 = a + h*i; //límite inferior
calc += function(x0); //se evalua la x en la función
x1 = a + h*(i+1); //valor intermedio
calc += 4*function(x1);
x2 = a + h*(i+2); //límite superior
calc += function(x2);
calc *= ((x2-x0)/6) ; //se vuelve a calcular el incremento entre nuestros límites, y se divide entre 6
resultado += calc; //variable para ir acumulando los cálculos intermedios de cada "x"
}
printf("La aproximación a la integral es: %f n", resultado);
}
#include<stdio.h>
#include<math.h>
// función a integrar
#define f(x) (0.5*x)
int main()
{
float b; //Limite superior
float a; //Limite inferior
float resultado=0.0;
float dx;
float k;
int i;
int N; //numero de intervalos o iteraciones
// Entradas
printf("Dame el limite inferior: ");
scanf("%f", &a);
printf("Dame el limite superior: ");
scanf("%f", &b);
printf("Número de iteraciones/intervalos (número par): ");
scanf("%d", &N);
//Calculando delta de x
dx = (b - a)/N;
//Sumas de la integracion
resultado = f(a) + f(b); //primera suma
for(i=1; i<= N-1; i++)
{
k = a + i*dx; //Suma del intervalo
if(i%3 == 0)
{
resultado = resultado + 2 * f(k);
}
else
{
resultado = resultado + 3 * f(k);
}
}
resultado = resultado * dx*3/8;
printf("nEl valor de la integral es: %f n", resultado);
printf("n");
return 0;
}
我的第一个建议是首先阅读大量有关共享内存范式及其问题的信息。然后阅读有关 Pthreads 和 OpenMP 的信息，然后才查看具体的 OpenMP 和 Pthread 并行化，以及它们如何处理共享内存范式的一些问题。如果你必须同时学习Pthreads和OpenMP，在我看来，如果我是你，我会先研究Pthread，然后再研究OpenMP。后者有助于解决使用前者编码的一些繁琐细节和陷阱。
我将尝试为您提供一个非常通用(不是非常详细)的公式，介绍如何处理代码的并行化，我将以您的第二个代码和 OpenMP 为例。
如果您选择并行化算法，首先您需要查看代码中值得并行化的部分(即，并行化的开销被它带来的加速所掩盖)。对于此分析是基础，但是，对于像您这样的较小代码，弄清楚它非常简单，它通常是循环，例如：
for(i=1; i<= N-1; i++)
{
k = a + i*dx; //Suma del intervalo
if(i%3 == 0)
{
resultado = resultado + 2 * f(k);
}
else
{
resultado = resultado + 3 * f(k);
}
}
要并行化此代码，我应该使用哪个构造函数tasks？parallel for？您可以在此SO线程上查看此主题的精彩答案。在您的代码中，很明显我们应该使用parallel for(即#pragma omp parallel for)。因此，我们告诉OpenMP 在线程之间划分该循环的迭代。
现在，您应该考虑并行区域内使用的变量是否应该在线程之间private或shared。为此，openMP提供了像private、firstprivate、lastprivate和shared这样的构造函数。关于该主题的另一个很棒的 SO 线程可以在这里找到。要评估这一点，您确实需要了解shared memory范式以及 OpenMP 如何处理它。
然后查看潜在的竞争条件、变量之间的相互依赖关系等。OpenMP 提供了像critical、atomic operations、reductions等构造函数来解决这些问题(其他伟大的 SO 线程原子与关键和归约与原子)。TL;DR：您应该选择在不影响正确性的情况下为您提供最佳性能的解决方案。
在您的情况下，变量"resultado"的reduction显然是最佳选择：
#pragma omp parallel reduction ( +: resultado)
for(i=1; i<= N-1; i++)
{
k = a + i*dx; //Suma del intervalo
...
}
在保证代码的正确性之后，您可以查看负载不平衡问题(即每个线程执行的工作之间的差异)。为了解决这个问题，openMP 提供了并行调度策略，如dynamic和guided(另一个 SO 线程)以及调整这些发行版的块大小的可能性。
在您的代码中，线程将执行相同数量的并行工作，因此无需使用dynamic或guided计划，您可以选择static计划。与其他static相比，的好处是它不会引入必须在运行时协调线程之间任务分配的开销。
要从运行代码的体系结构中提取最大性能，还有更多内容需要研究。但就目前而言，我认为这是一个足够好的开始。